京公网安备 11010802034615号
经营许可证编号:京B2-20210330
制约商务智能在制造业大规模应用的因素
商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理,以保证数据的正确性,然后经过抽取(Extraction)、转换(Transformation)和装载(Load),即ETL过程,合并到一个企业级的数据仓库里,从而得到企业数据的一个全局视图,在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理(这时信息变为辅助决策的知识),最后将知识呈现给管理者,为管理者的决策过程提供支持。
一、国内市场
目前,国内商务智能(BI)的竞争者主要分为三类:国外厂商、国内厂商、外围厂商。
1、国外厂商:加速并购,完善产品
近几年,国际商务智能(BI)厂商加速了完善自身产品线的进程,表现为近几年商务智能(BI)领域的并购越来越热,新解决方案的不断推出。
对于国内市场,这些国际巨头已经认识到其潜力巨大,在过去的几年里,已经有很多国际巨头进入中国,成立办事处和研发中心,加强了国内市场的投入:
SAS、Brio很早就进入中国,开始攻城掠地。
Cognos由国家信息中心的北京优信佳公司作为其总代理,在国内销售、实施其产品,2006年7 月18 日,Cognos 公司宣布在中国发布Cognos 8BI解决方案(下称“Cognos8”)。
MicroStrategy在2003年11月6日宣布,通过其在大中国区的惟一总代理FirstBI公司代理销售其软件和服务,推广它的中文版产品,向中国企业提供数据分析软件。
Business Objects 在2003年底并购了 Crystal
之后,便紧锣密鼓地开始在中国市场布局。2004年1月在上海成立大中华区,紧接着推出了整合之前的过渡产品 Crystal Enterprise10
和Business Objects 6.5,2005年年初推出了两家产品整合后的 XI 平台。[page]
2、国内厂商两手准备
几年前,国内厂商通过与国际商务智能(BI)厂商合作代理其产品,积累了在商务智能(BI)领域产品、实施方面的经验,而现在多数国内厂商已有了自身独立的商务智能(BI)产品,虽然在功能上还需要不断完善,但已经迈出了坚实的一步。如在2003年Brio与金蝶达成战略合作伙伴关系,金蝶作为Brio的顶级代理商,把Brio
Performance Suite捆绑到金蝶的企业信息化整体解决方案中,在合作近1年后,金蝶通过OEM方式推出了自己的EPM产品。
面对国际商务智能(BI)巨头的竞争,国内厂商如金蝶、用友、创智等一方面同这些巨头建立良好的合作关系以维持发展,另一方面也在积极提升产品和解决方案的内在品质,向客户提供更完美的决策支持服务,争取与国外厂商一比高低。
3、外围厂商:渗透进入
外围的ERP等管理系统厂商显然不甘心看到众多专业BI厂商独自瓜分市场份额,于是他们首先在已有的ERP、SCM、CRM等客户上做文章,在ERP等产品上推出了集成的BI产品,在市场推广上也着重强调其系统的完整性与集成性,这让其产品在销售上取得了一定程度的优势。如SAP推出了其商务智能(BI)的产品SAP BW,重点强调SAP BW系统与R/3 ERP系统的完整性与集成性的优势。
同时,笔者预计,在未来的几年内,将会有为数不少的企业会进入这个市场,这个市场的竞争也将更加激烈。
二、国内制造业BI的应用
虽说几乎每个中国的企业都需要商务智能,但目前国内的应用主要集中在金融服务业(如银行、保险等)、电信业、航空业等资金充足、信息化起步较早、迫切需要数据分析的行业(这也是目前国内BI厂商关注的重点行业),国内的制造业企业在信息化建设方面起步较晚,而商务智能(BI)真正发挥其作用是需要底层的数据作为支撑的,否则就是“无源之水”,企业只有在应用ERP、CRM、SCM等系统3年以后,数据积累到一定程度以后,才会选择使用商务智能(BI)系统,商务智能(BI)系统在这时候也才会显现其价值。笔者认为制约商务智能(BI)在国内大规模应用的条件主要有:
1、目前,国产的商务智能(BI)系统在功能上还很不完善,与国外软件相比有较大的差距。而国外软件在价格上普遍较高。
2、国内的成熟、专业的商务智能(BI)实施顾问较少。
3、销售渠道的建立。目前,多数商务智能(BI)厂商是通过分公司或办事处来销售的,而未来国内制造业企业多数需要本地化服务,这种模式必将改变,但商务智能(BI)的销售、服务要求代理商要有很强的能力,如何选择、培养、发展这些代理商将是国内商务智能(BI)厂商面临的一个问题。
4、商务智能(BI)系统最昂贵的地方不是平台,而是模型,但目前由于国内市场应用BI的企业并不多,应用深入的更少,应用基础也比较薄弱,即使拿来国外先进的商业模型也不一定运转起来,所以尽快建立各种适合国内企业特色的模型是各商务智能(BI)厂商未来要投入大力解决的。
商务智能(BI)要想在国内制造业中大规模的普及,必须要解决好以上问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16